术语slug: image-to-video

图生视频

Image-to-Video

以静态图像为输入条件生成动态视频序列的技术

收录情报动态

共 12 篇 · 第 1/2 页
OpenRouter (@OpenRouter)T1·基座大模型
62 分
Gemini Omni 1.2 Flash 上线 OpenRouter 支持 15 秒 4K 视频生成

Google 的视频模型 Gemini Omni 1.2 Flash 通过 OpenRouter 上线,单次生成时长从 1.1 版的 10 秒提升至 15 秒,支持 360p 至 4K 分辨率、原生音频与横竖屏比例,每秒价格较上代下降约 30%。同一模型还可在 chat completions 中处理文本、图像与视频提示,131K 上下文,输入 $1.50/M、输出 $9/M。

Arena.ai (@arena)T1·基座大模型
72 分
Gemini Omni 1.2 Flash 登顶视频生成双榜第一

Google 发布 Gemini Omni 1.2 Flash,在 Arena 文生视频榜以 1541 分登顶,较上代提升 27 分,图生视频同样第一、视频编辑第三。新版本将生成与编辑时长上限提升至 15 秒,改善长时序场景一致性与角色口型,并降价 30% 至 720p 每秒 0.07 美元。

Artificial Analysis (@ArtificialAnlys)T1·基座大模型
68 分
Utopai X 登顶 I2V 榜单第二 基于 MiniMax H3 微调

Utopai Studios 发布的视频生成模型 Utopai X 在 Artificial Analysis 的图生视频(I2V)v2.1 基准中位列第二,仅次于 Dreamina Seedance 2.5。该模型基于 MiniMax H3 进行后训练,是目前唯一同时进入文生视频和图生视频前二的模型,并在物理模拟和多场景叙事测试中表现最佳。目前仅通过 PAI 平台提供,无公开 API。

Artificial Analysis (@ArtificialAnlys)T1·基座大模型
78 分
Artificial Analysis 发布图生视频基准 v2.1

Artificial Analysis 推出 AA-Video-I2V v2.1 及 Silent 版基准,用于评估图像到视频(I2V)模型。该基准基于超过 5.8 万个人类偏好投票,在 1080p 分辨率下从 10 个用例、10 项能力及多种视觉风格对模型进行综合排名,强调生成的一致性与可控性。

Artificial Analysis (@ArtificialAnlys)T1·基座大模型
78 分
FLUX 3 Max 发布 视频生成性能跃升且价格更低

fal 推出 FLUX 3 Max,作为 FLUX 3 的后训练版本,在 Artificial Analysis 视频基准测试中表现优异,I2V 排名第 2(统计上与第 1 持平),T2V 排名第 4。该模型支持从文本或图像生成带原生音频的 5-20 秒 720p 视频,生成速度极快(10 秒视频耗时不到 12 秒)。相比基础版 FLUX 3,其定价大幅降低至每分钟 10.20 美元,且在物理模拟和营销场景得分领先。

IT之家 · 智能时代T2·基座大模型
68 分
生数科技发布 Vidu Q4 Preview:支持 15 图 3 音参考与 4K 输出,强化复杂镜头衔接

生数科技推出新一代视频生成模型 Vidu Q4 Preview,核心突破在于支持多达 15 张参考图和 3 段参考音频以统一视觉与听觉特征。该版本显著提升了动态运镜、切镜及复杂镜头衔接能力,并实现最高 4K 分辨率与 10bit 色深输出,单次生成时长可达 16 秒。目前提供 0.09 元/秒起的优惠定价,旨在降低 AI 短剧、广告营销等场景的多版本测试成本。

Artificial Analysis (@ArtificialAnlys)T1·基座大模型
68 分
xAI 发布 Grok Imagine Video 1.5 Lite:以 Veo 3.1 三分之一成本登顶质量速度帕累托前沿

xAI 推出低成本视频生成模型 Grok Imagine Video 1.5 Lite,在 Artificial Analysis 视频竞技场 T2V v2.0 榜单中位列第 17,超越谷歌 Veo 3.1。该模型以 1080p 分辨率下每秒 0.14 美元的价格(约为 Veo 的三分之一)和 60.5 秒的中位生成时间,成功占据质量与速度的帕累托前沿位置。它在多场景叙事、光照材质及文本渲染等特定用例中表现接近顶级水平,为开发者提供了高性价比的视频生成选项。